[发明专利]一种卡口高清相机全车信息识别系统及方法在审
申请号: | 201810998137.9 | 申请日: | 2018-08-29 |
公开(公告)号: | CN109145843A | 公开(公告)日: | 2019-01-04 |
发明(设计)人: | 张涛 | 申请(专利权)人: | 上海萃舟智能科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04 |
代理公司: | 北京酷爱智慧知识产权代理有限公司 11514 | 代理人: | 邹成娇 |
地址: | 200092 上海市杨*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 主躯干 卡口 信息识别系统 关键点信息 机动车 高清相机 检测模块 安全带 关键点 图像 全车 计算机技术领域 机动车检测 打电话 车辆信息 定位模块 定位模型 规则判断 视频监控 视频图像 图像判断 图像输入 网络模型 信息提取 工作量 服务 | ||
本发明属于计算机技术领域,具体涉及一种卡口高清相机全车信息识别系统,包括机:机动车检测模块,用于将视频图像输入训练好的网络模型,得到机动车图像以及车辆信息;人体关键点定位模块,用于将机动车图像输入训练好的定位模型,得到驾驶员的人体关键点信息;接打电话检测模块,用于基于人体关键点信息进行接打电话规则判断,从而确定驾驶员是否在打接电话;安全带检测模块,用于基于人体关键点进行主躯干识别,从机动车图像中提取出人体主躯干图像,根据人体主躯干图像判断驾驶员是否系有安全带。本发明解决了现有技术中人工查看效率低,工作量大的问题,同时集成多种功能的信息提取,提升了信息的利用率,扩大了卡口视频监控的服务范围。
技术领域
本发明属于计算机技术领域,具体涉及一种卡口高清相机全车信息识别系统及方法。
背景技术
卡口相机主要安装于公路收费站、交通和治安检查站,用来获取车辆信息,并对车辆违法信息进行实时监控。目前的车辆信息,主要通过人工查看视频的方法获取到,工作效率较低,每人最多同时处理1到2路视频,而且不能全面的判断出车辆中所有信息(如车辆品牌、车内行人是否打电话、是否系安全带等),大量视频的信息没有得到充分的利用,从而信息丢失,偶尔通过软件系统进行车牌识别,但功能十分单一,限制因素较多。
发明内容
本发明提供了一种卡口高清相机全车信息识别系统及方法,解决了现有技术中人工查看效率低,工作量大的问题,同时集成多种功能的信息提取,提升了信息的利用率,扩大了卡口视频监控的服务范围。
第一方面,本发明提供了一种卡口高清相机全车信息识别系统,包括机动车检测模块、人体关键点定位模块、接打电话检测模块和安全带检测模块;
所述机动车检测模块,用于将视频图像输入训练好的网络模型,通过网络模型对视频图像进行分析处理,从而输出得到机动车图像以及车辆信息;
所述人体关键点定位模块,用于将机动车图像输入训练好的定位模型,定位模型对机动车图像进行识别分析,从而得到驾驶员的人体关键点信息;
所述接打电话检测模块,用于基于人体关键点信息进行接打电话规则判断,从而确定驾驶员是否在打接电话;
所述安全带检测模块,用于基于人体关键点进行主躯干识别,从机动车图像中提取出人体主躯干图像,根据人体主躯干图像判断驾驶员是否系有安全带。
优选地,所述车辆信息包括车型、车身颜色、车标、车牌号码、车牌颜色和是否有遮阳板。
优选地,所述网络模型采用深度卷积神经网络,所述深度卷积神经网络在图像识别过程中包括:
深度卷积网特征提取的步骤;
小目标特征提取与检测的步骤;
大目标特征特征提取与检测的步骤;
多尺度检测结果融合的步骤。
优选地,所述深度卷积网特征提取的步骤包括:
A1,将机动车图像缩放到1056×640像素;
A2,对缩放后的图像以7×7的卷积核、步长2进行32次卷积,得到529×320的32通道的卷积特征图,对图上每个像素用C.ReLU激活函数模块处理,使卷积特征图通道数和尺寸不变;
A3,对上一步得到的卷积特征图,以3×3的卷积核、步长2做最大值池化,得到264×160的32通道的卷积特征图;
A4,对上一步得到的卷积特征图,以3×3的卷积核、步长1进行64次卷积,然后对卷积特征图上每个像素用C.ReLU激活函数模块处理;本步骤重复三次,得到264×160的64通道的卷积特征图;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海萃舟智能科技有限公司,未经上海萃舟智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810998137.9/2.html,转载请声明来源钻瓜专利网。